Prophet Inequalities for Matching with a Single Sample
我们认为先知不等式问题(不一定是二分的)匹配问题的独立的边缘值,根据边缘到达和顶点到达。我们展示了常数因子预言家不平等的情况下,在线算法只有有限的访问值分布通过样本。首先,我们给出了一个$16$ -近似先知不等式匹配一般图下的边缘到达,只使用一个单一的样本从每个值分布作为先验信息。然后,对于二分匹配和(单侧)顶点到达,我们展示了一个改进的$8$,也只使用一个单一的样本从每个分布的范围。最后,我们展示了如何把我们的$16$近似单样本先知不等式变成一个真实的单样本机制,用于在线二分匹配与顶点到达。
2021-07-31 cs.DS cs.GT
Single Sample Prophet Inequality for Uniform Matroids of Rank 2
本文研究了单样本下的先知不等式,证明在秩为2的一致拟阵中可通过确定性机制实现1/2的最优保证,并猜想该策略可推广至所有一致拟阵。
2023-06-30 cs.GT math.OC
Online Stochastic Max-Weight Matching: prophet inequality for vertex and edge arrival models
我们提供先知不等式算法在线加权匹配一般(非二分)图,根据两个研究充分的到达模型,即边缘到达和顶点到达。每个边的权重独立于先验已知的概率分布来绘制。在边缘到达下,每个边缘的权重在到达时被揭示,并且算法决定是否将其包括在匹配中。在顶点到达时,显示从新到达顶点到所有先前到达顶点的所有边的权重,并且算法决定将这些边中的哪些(如果有的话)包括在匹配中。为了研究这些设置,我们引入了一个新的批量先知不平等的统一框架,该框架捕获了元素批量到达的在线设置;特别是它捕获了上述两个到达模型下的匹配。我们的算法依赖于合适的在线竞争解决方案(OCRS)的建设。我们首先将OCRS的框架扩展到批处理OCRS,然后建立从批处理先知不等式到批处理OCRS的约简,最后构造了批处理OCRS,边和顶点到达模型的可选比率分别为0.337和0.5。这两个结果都改善了相应设置的现有技术。对于顶点到达,我们的结果是紧的。有趣的是,一个基于定价的预言家不平等与可比的竞争比率是未知的。
2020-02-25 cs.DS cs.GT
Single-Sample Prophet Inequalities: A Combinatorial to Single-Item Reduction
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出从组合到单项先知不等式的通用归约,利用自由处置价值分离约束,在Googol模型下为XOS估值和可分割资源获得改进的竞争比,并给出分数背包的最优结果。
2026-10-05 cs.DS cs.GT
An O(log log m) Prophet Inequality for Subadditive Combinatorial Auctions
先知不等式将随机优化问题的在线算法的预期性能与事后的预期最优解进行比较。他们是一个主要的替代经典的最坏情况下的竞争分析,特别是在设计和分析简单的(张贴价格)激励兼容机制与可证明的近似保证的重要性。在这一领域的一个中心开放的问题是次可加组合拍卖。这里,具有次加性估值函数的$n$代理竞争$m$项目的分配。我们的目标是找到一个最大化分配总价值的项目分配。问题是是否存在一个预言不等式,这个问题,显着击败了最有名的近似因子$O(\log m)$。通过提供一个$O(\log \log m)$预言不等式,我们在这个问题上取得了重大进展。我们的证明通过一个新的原始对偶方法。它也是建设性的,导致在线政策,采取的形式,静态和匿名的项目价格,可以计算在多项式时间给予适当的查询访问的估值。作为我们的方法的应用,我们构建了一个简单的激励兼容机制的基础上公布的价格,实现了$O(\log \log m)$近似的最优收入下的项目独立性假设的次加性估值。
2020-04-21 cs.DS cs.GT
Prophet Inequalities with Delayed and Uncertain Acceptance
IRIT, Université Toulouse Capitole(图卢兹第三大学);Rice University(莱斯大学)
研究了带有不确定接受的先知不等式模型,分析了价值意识决策者与全知先知的竞争比,证明两者均为1/2,并探讨了价值意识决策者在特定条件下超越1/2阈值的条件。
2026-10-27 cs.GT
Non-Adaptive Matroid Prophet Inequalities
我们研究非自适应算法的拟阵先知不等式。自2012年以来,当[KW 12]引入阈值以保证对先知的紧2近似时,拟阵先知不等式被认为已经解决;然而,该算法是自适应的。[CHMS 10]和[FSZ 16]的其他方法使用了具有可行性限制的非自适应阈值;然而,当无法相对于附加可行性约束采取阈值时,这转化为自适应地将项目的阈值改变为无穷大,因此该算法不是真正的非自适应。先知不等式的一个主要应用是在拍卖设计中,非适应性价格具有显着的优势:它们转换为订单遗忘的公布价格,并且对于将先知不等式转化为多维买家的真实机制至关重要。现有的拟阵先知不等式不足以满足这种应用。本文给出了图拟阵的第一个非自适应常因子预言不等式。
2020-11-18 cs.DS cs.GT
Oracle-Augmented Prophet Inequalities
本文推广经典先知不等式,引入支持m次调用的预言机模型,分析其与Top-1-of-(m+1)模型在不同目标下的关系,给出该模型最优竞争比的紧上下界,并改进Top-1-of-m模型的相关结果。
2024-04-18 cs.GT
Prophet Inequalities on the Intersection of a Matroid and a Graph
我们认为先知不平等的设置代理对应于两个元素的拟阵和顶点图。一组智能体是可行的,如果它们形成拟阵中的独立集和图中的独立集。我们的主要结果是一个事前1/(2d+2)-预言不等式,其中d是一个图参数,其上界为任意顶点邻域内的一个独立集的最大尺寸.我们通过一个框架建立了这个结果,该框架既为拟阵中的元素设置动态价格(使用平衡阈值的方法),又为图中的顶点设置静态但歧视性的价格(受到近似动态规划的最新发展的启发)。接受代理人的门槛就是这两个价格之和。我们表明,由一定的家庭的间隔调度约束,d的值是1。因此,我们的框架提供了第一个常数因子先知不平等时,既有拟阵独立的约束和时间间隔调度约束。它还统一和改进了文献中的几个结果,导致1/2-先知不等式时,代理人有XOS的一组项目的估值函数,并使用它们为一个有限的时间间隔,更一般地说,1/(d+1)-先知不等式时,这些项目都需要一捆d资源采购。
2019-07-15 cs.DS cs.GT
Non-Adaptive Prophet Inequalities for Minor-Closed Classes of Matroids
针对拟阵先知不等式中非自适应机制的常数竞争保证问题,本文证明多个已知拟阵类别(次小闭类)均存在常数竞争的非自适应机制。
2024-08-08 cs.GT
The Prophet Inequality Can Be Solved Optimally with a Single Set of Samples
经典的预言家不等式的设定如下:一个赌徒被展示给$n$独立的、非负的随机变量的概率分布,其期望值是有限的。在它们的索引顺序中,从每个分布中抽取一个值,并且在每次抽取之后,赌徒可以选择接受该值并结束游戏,或者永久丢弃该值并继续游戏。与总是能选择最高值的预言家相比,赌徒能达到的最佳表现是什么?Krengel、Sucheston和Garling在1978年解决了这个问题,证明存在一种策略,赌徒可以获得预期收益的一半。此外,该结果是紧的。在这项工作中,我们考虑一个设置中,赌徒被允许少得多的信息。假设赌徒在玩游戏之前只能从每个分布中取一个样本,而不是知道全部分布。我们提供了一个简单而直观的算法,恢复原来的近似$\frac{1}{2}$。我们的算法甚至可以对抗一个全能的对手,他总是选择最坏情况下的排序,而不是标准的离线对手。结果也有影响的机制设计-有很大的兴趣在设计竞争性拍卖有限数量的样本从价值分布,而不是充分的分布知识。
2018-12-26 cs.DS cs.GT
Beyond matroids: Secretary Problem and Prophet Inequality with general constraints
本文在任意向下封闭集合系统上推广先知不等式和秘书问题,给出{0,1}值下O(log n)竞争比算法及一般值下O(log n log r)竞争比算法,解决了Kleinberg提出的开放问题。
2024-09-03 cs.DS cs.GT
Prophet Secretary
最优停止理论是一个强大的工具,用于分析的情况下,如在线拍卖,我们通常需要优化的目标函数的空间停止规则的分配过程中的不确定性。也许停止理论最经典的问题是预言家不等式问题和秘书问题。经典的先知不等式指出,通过为每一步选择相同的阈值OPT/2,可以实现0.5的紧竞争比。另一方面,对于基本秘书问题,最优策略达到了1/e的紧竞争比。本文介绍了先知不等式与秘书问题的自然结合--先知秘书。我们的问题的一个示例动机如下。考虑一个卖家,他有一件商品要在市场上卖给一组到达的顾客。卖方知道可能对商品感兴趣的客户类型,并且他对每种类型都有一个价格分布:预期由一种类型的客户提供的价格将从相应的分布中得出。然而,顾客是随机到达的。在客户到达时,卖方做出不可撤销的决定,是否以提供的价格出售该物品。我们解决的问题是找到一个以高价出售该项目的策略。我们表明,通过使用一个统一的阈值,不能打破0.5的障碍。然而,我们表明,i)使用n个不同的非自适应阈值,可以获得随着n的增长而达到(1-1/e)的竞争比; ii)没有在线算法可以实现优于0.75的竞争比。我们的结果提高了(渐近)的近似保证单项目顺序公布定价机制从0.5(1-1/e)时,代理人(客户)的顺序是随机选择。
2015-10-15 cs.GT
Order Selection Prophet Inequality: From Threshold Optimization to Arrival Time Design
在经典的预言者不等式中,一个赌徒面对一个项目序列,其值独立于已知的分布。当每一个项目的到来,它的价值是实现和赌徒要么接受它和游戏结束,或拒绝它,并继续到下一个项目。目标是最大化所选项目的价值,并与所有项目的预期最大价值竞争。$\frac{1}{2}$的紧密竞争比在经典环境中建立,并且已经提出了各种弛豫以超过该障碍,包括i.i.d.模型、顺序选择模型和随机顺序模型。本文研究了次序选择预言不等式,其中赌博者被赋予选择物品到达次序的额外权力。我们的主要结果是一个$0.725$ -竞争算法,它大大改进了Correa,Saona和Ziliotto~(Math. Program. 2021年),在更硬的随机顺序模型中实现。最近,Agrawal,Sethuraman和Zhang~(EC 2021)证明了选择最优序的任务是NP-难的。尽管如此,我们引入了一种新的算法设计框架,将离散顺序选择问题转化为连续到达时间设计问题。从这个角度来看,我们可以专注于到达时间的设计,而不必担心之后的阈值优化。作为一个副作用,我们实现了最佳的$0.745$竞争比,通过应用我们的算法的i.i.d.模型
2022-04-04 cs.DS cs.GT
Multi Choice Min Prophet
Blavatnik School of Computer Science, Tel Aviv University(特拉维夫大学布拉瓦特尼克计算机科学学院)
研究经典先知不等式的最小化对应问题,通过多选择松弛,目标是在实现常数竞争比时最小化预期选择数。分析了对抗顺序和先知秘书模型下的情况,给出算法并证明其紧性,还考虑了多单元变体。
2026-07-07 cs.GT
The IID Prophet Inequality with Limited Flexibility
本文研究在线销售中至多使用 $k$ 个价格的公平与收入折中,基于 IID 先知不等式提出有限阈值策略,并证明少量价格即可显著接近完全动态定价。
2023-08-14 cs.DS cs.GT math.OC
Splitting Guarantees for Prophet Inequalities via Nonlinear Systems
针对i.i.d. k选择先知不等式问题,引入推广Hill-Kertz方程的非线性微分方程组,通过无限维线性规划与对偶拟合得渐近近似比下界,还为随机序贯分配问题建立紧近似比。
2025-04-17 cs.GT math.OC
Descending Price Auctions with Bounded Number of Price Levels and Batched Prophet Inequality
我们考虑降价拍卖出售$m$单位的良好的单位需求i.i.d.买家,其中存在$k$关于拍卖时钟可以采用的价格水平的数量的外生界限。拍卖师的问题是为拍卖时钟选择价格水平$p_1 > p_2 > \cdots > p_{k}$,使得拍卖期望收益最大化。价格水平在拍卖前公布。我们把这个问题归结为预言家不等式的一个新变体,我们称之为\emph{batched prophet inequality},决策者选择$k$(递减)阈值,然后依次收集高于阈值的奖励(最多到$m$),同时随机打破联系。对于$m=1$的特殊情况(即,销售一个单一的项目),我们表明,由此产生的下降拍卖与$k$的价格水平达到$1- 1/e^k$的无限制(没有约束的$k$)的最优收益。这意味着只有4个价格水平的下降拍卖可以实现超过98%的最优收益。然后,我们扩展我们的结果为$m>1$,并提供了一个封闭形式的约束我们的拍卖作为一个功能的单位数$m$和价格水平的数量$k$的竞争比。
2022-03-02 cs.DM cs.DS cs.GT
Prophet inequality for bipartite matching: merits of being simple and non adaptive
考虑二部图中匹配的贝叶斯在线选择问题,即,带边到达的在线加权匹配问题,其中在线算法知道权值的分布,对应于[Kleinberg and Wienberg STOC 12]模型中两个拟阵的交集。我们考虑一类简单的非自适应顶点添加剂的政策,分配静态价格的所有顶点在图中,并接受每个边,只有当它的重量超过边缘的端点的价格之和。我们表明存在一个顶点添加剂的政策,预期的回报至少有三分之一的先知的回报和目前的梯度下降型算法,迅速收敛到所需的顶点价格的向量。这在两个方面改进了[Kleinberg and Wienberg STOC 12]中关于两个拟阵交集的自适应在线策略:我们的策略是非自适应的,并且具有更好的$3$近似保证,而不是以前的$5.82$对先知的保证。我们给出了一个互补的下限$2.25$的任何在线算法中的二分匹配设置。
2019-02-17 cs.DM cs.DS cs.GT
Multi-Unit Combinatorial Prophet Inequalities
本文研究多单元组合拍卖中先知不等式的竞争比,证明其严格难于单物品情形,并提出一种仅需最少分布信息的非自适应匿名定价,其竞争比随物品供应量递增。
2025-05-21 cs.DS cs.GT
Minimization I.I.D. Prophet Inequality via Extreme Value Theory: A Unified Approach
针对独立同分布先知不等式的最小化问题,本文基于极值理论提出统一框架分析最优阈值算法,推广特殊分布结果获多项式对数级保证,并证明k≥logn时k-多单位最小化问题存在常数竞争单阈值算法。
2024-11-29 cs.DS cs.GT
Prophet Inequalities with Linear Correlations and Augmentations
在一个经典的在线决策问题中,一个试图最大化自己价值的决策者会检查一系列到达的项目来学习它们的价值(从已知的分布中提取),并决定何时通过获取当前项目来停止这个过程。其目的是证明一个“先知不平等”:她可以做大约以及先知与预知的所有价值观。在这项工作中,我们调查这个问题时,值被允许相关。由于对于任意相关性不可能有非平凡的保证,因此我们考虑Bateni等人[ESA 2015]引入的自然“线性”相关性结构作为Chawla等人[GEB 2015]的共同基值模型的推广。一个关键的挑战是,基于阈值的算法,这是常用的预言不等式,不再保证良好的性能线性相关。我们将这个障碍与另一个可能具有独立兴趣的“增强”挑战联系起来:许多现有的先知不等式算法对于到达项目的值的轻微增加并不鲁棒。我们利用这种直觉来证明边界(匹配常数因子),随着到达项的相关性而优雅地衰减。我们扩展这些结果的情况下,选择多个项目,通过设计一个新的$(1+o(1))$近似比算法,是强大的增广。
2020-05-23 cs.DS cs.GT
Bandit Algorithms for Prophet Inequality and Pandora's Box
Massachusetts Institute of Technology(麻省理工学院);University of Bonn(波恩大学);Georgia Tech(佐治亚理工学院)
针对分布未知的 Prophet Inequality 与 Pandora's Box 问题,提出多臂 Bandit 学习框架,并基于置信区间实现近似最优的总遗憾算法。
2023-12-07 cs.DS cs.GT cs.LG
Prophet Inequalities with Limited Information
在经典的预言不等式中,赌徒观察到一系列随机奖励$V_1,...,V_n$,并且必须决定,对于每一个奖励$V_i$,是保留它并停止游戏,还是永远放弃奖励并显示下一个值$V_i$。赌徒的目标是获得最佳离线算法将获得的预期奖励的恒定分数。最近,预言家不等式已经被推广到赌徒可以选择$k$项目的设置,更一般地说,他可以选择拟阵中的任何独立集。然而,所有现有的算法都要求赌徒知道从中提取奖励$V_1,...,V_n$的分布。假设赌徒知道从中抽取$V_1,...,V_n$的分布是非常强的。相反,我们使用更简单的假设,即赌徒只知道这个分布中的几个样本。我们构造了第一个单样本预言不等式的许多设置的兴趣,其保证都匹配最好的可能渐近,\emph{even with full knowledge of the distribution}。具体而言,我们提供了一种新的单样本算法时,赌徒可以选择任何$k$元素的分析是基于有限相关的随机游走。此外,我们提供了一个黑盒方法转换特定类型的解决方案,相关的\emph{secretary problem}单样本先知不等式,并将其应用到现有的几个算法。最后,我们给出了常度二部匹配的常样本预言不等式。我们将这些结果应用于设计一次标价和多维拍卖机制与有限的信息设置与非对称投标人。
2013-07-14 cs.DS cs.GT
Prophet Secretary and Matching: the Significance of the Largest Item
本研究针对prophet secretary问题及其匹配变体,利用最大项的特性设计算法,分别打破了盲策略和1-1/e的竞争比壁垒,同时提升了加权随机匹配查询-承诺模型的最优比率。
2024-11-02 cs.DS cs.GT
Optimal Single-Choice Prophet Inequalities from Samples
本研究通过样本访问解决单选择先知不等式问题,证明每个分布一个样本即可达到最优竞争比1/2,并针对相同分布情形,用O(n)样本在(1+ε)内逼近最优比0.745,解决了开放问题。
2025-09-10 cs.DS cs.GT
Prophet Inequality: Order selection beats random order
针对prophet inequality问题,本文证明了order selection设定能保证比random order严格更好的竞争比,通过扩展算法框架设计了0.7258-竞争算法,并改进了随机顺序下的硬度结果至0.7254,从而建立了两种设定间的分离。
2023-05-22 cs.DS cs.GT
Prophet and Secretary at the Same Time
Washington University in St. Louis(圣路易斯华盛顿大学);University of Bonn(波恩大学)
针对在线算法对分布错误设定的鲁棒性问题,在最优停止场景中探讨停止规则同时适配先知不等式(已知分布)与秘书问题(未知分布)的可能性,提出具非平凡联合保证的最优算法并确定不可达逼近比,结果适用于固定及泊松到达情况。
2025-11-12 cs.DS cs.GT
Sample-driven optimal stopping: From the secretary problem to the i.i.d. prophet inequality
我们采取一个统一的方法来选择最优停止问题的随机到达顺序和独立的抽样项目。在我们考虑的问题中,一个决策者(DM)最初得到的样本$N$项目独立的概率$p$,并可以观察这些抽样项目的相对排名。然后,DM以在线方式面对剩余的项目,观察所有显示项目的相对排名。当扫描序列时,DM做出不可撤销的停止/继续决定,并且她停止面对具有等级$i$的项目的序列的奖励是$Y_i$。DM的目标是最大化她的回报。我们首先研究DM已知值$Y_i$的情况,然后转移到这些值是对抗性的情况。对于前一种情况,我们编写自然线性规划来捕获算法的性能,并取其连续极限。我们证明了这个连续的限制,这使我们能够减少一个相对简单的真正的优化问题的问题的结构性结果。我们建立的最佳算法是由一个序列的阈值$t_1\le t_2\le\cdots$,使DM应该停止,如果看到一个项目与当前的排名$i$后,时间$t_i$。此外,我们能够恢复该地区的一些经典结果,如秘书问题和最小排序问题。对于对抗的情况下,我们得到了一个类似的线性规划与一个额外的随机优势约束。使用相同的机制,我们能够确定所有$p$值的最佳竞争比。值得注意的是,我们证明了当$p$接近1时,我们的保证线性收敛到0.745,与i.i.d.~先知不平等同样有趣的是$p=1/2$的情况,其中我们的边界评估为$0.671$,这改进了现有技术。
2021-08-09 cs.DS cs.GT
Prophet Inequality on I.I.D. Distributions: Beating 1-1/e with a Single Query
本文研究未知独立同分布下的单选项先知不等式问题,提出仅需单次分位数查询的观察-接受算法,达到0.6718的竞争比,超越了1-1/e的基准。
2023-08-22 cs.DS cs.GT
Static pricing for multi-unit prophet inequalities
针对多单位先知不等式问题,提出一种匿名、非自适应、顺序无关的静态定价方案,通过平衡售出比例与未售罄概率确定单一价格,实现随供给量递增的竞争比,并被证明对任意k最优。
2023-06-20 cs.DS cs.GT
Improved Regret and Contextual Linear Extension for Pandora's Box and Prophet Inequality
University of Washington(华盛顿大学);Purdue University(普渡大学);University of Southern California(南加州大学)
针对半带状反馈下的Pandora's Box在线学习问题,提出新算法实现~O(√(nT))遗憾界,改进先前~O(n√T)界并匹配下界;进一步扩展至上下文线性设置,同时学习线性函数与噪声分布,达到~O(nd√T)遗憾界;技术同样适用于在线先知不等式问题。
2025-10-24 cs.DS cs.GT cs.LG
Unknown I.I.D. Prophets: Better Bounds, Streaming Algorithms, and a New Impossibility
预言不等式指出,对于某些$α\in[0,1]$,赌徒按顺序观察随机变量$X_1,\dots,X_n$并选择其中之一,其可获得的期望值至少是序列中最大值的$α$分数。我们对Correa等人(EC,2019)首次研究的设置进行了三次明显的改进,并且与算法定价的现代应用特别相关。在这种情况下,随机变量是独立同分布的。并且游戏者可以访问某些$β\geq 0$的附加$βn$样本。我们首先针对广泛的$β$值给出了改进的$α$下界;具体而言,当$β\leq 1/(e-1)$时,$α\geq(1+β)/e$是紧的,当$β=1$时,$α\geq 0.648$是紧的,由于Correa等人(SODA,2020),它改进了$0.635$左右的界。添加到他们的实际吸引力,特别是在算法定价的背景下,然后,我们表明,即使在流模型的计算,从而在使用相关数据的情况下,可以获得新的界限是复杂的数据量。我们最后建立的上限$1/e$的情况下,没有样本是强大的额外信息的分布,也适用于序列的i.i.d.随机变量,其分布本身根据已知分布从已知候选分布的有限集合中绘制。这意味着可交换随机变量序列的一个紧预言不等式,回答了Hill和Kertz(Contemporary Mathematics,1992)的一个问题,但当候选分布的数量很小时,我们相信这种设置对应用程序有很大的兴趣时,就有可能得到更好的保证。
2020-11-21 cs.DS cs.GT
Generalizing Complex Hypotheses on Product Distributions: Auctions, Prophet Inequalities, and Pandora's Problem
IIIS, Tsinghua University(清华大学交叉信息研究院);ITCS, Shanghai University of Finance and Economics(上海财经大学理论计算机科学中心)
本文探讨了产品分布的学习问题的泛化理论,补充现有的学习理论,在这个意义上,它不依赖于任何复杂性措施的假设类。主要贡献是两个一般的样本复杂性界:(1)对于任何关于$n$维乘积分布的问题,其边际具有有限的支持度,其大小至多为$k$,$\tilde{O} \big( \frac{nk}{ε^2} \big)$样本对于学习$ε$ -最优假设是充分和必要的;(2)对于$n$上的任何问题,$\tilde{O} \big( \frac{n}{ε^2} \big)$样本是充分和必要的-如果它满足算法博弈论文献中的强单调性概念,则它是二维乘积分布。作为这些理论的应用,我们匹配单参数收入最大化的最佳样本复杂度(Guo et al.,STOC 2019),改善多参数收入最大化(Gonczarowski和Weinberg,FOCS 2018)和先知不平等(Correa等人,EC 2019),并提供了潘多拉问题的第一个严格的样本复杂度。
2020-07-26 cs.GT cs.LG
Prophet Inequalities for Cost Minimization
报酬最大化的预言不等式是最优停止理论的基础,在机制设计和在线优化中有着广泛的应用。我们研究的\emph{cost minimization}对应的经典先知不等式:决策者面临的成本序列$X_1, X_2, \dots, X_n$从已知的分布在网上的方式和\emph{must} "停止“在某个点,并采取最后看到的成本。我们的目标是与一个"先知“竞争,他可以提前看到所有$X_i$的实现,并且总是选择最小值,从而获得$\mathbb{E}[\min_i X_i]$的成本。如果$X_i$不是同分布的,则没有策略可以实现有界近似,即使对于随机到达顺序和$n = 2$也是如此。这使我们考虑$X_i$是独立同分布的情况。为了身份证的情况下,我们表明,如果分布满足一个温和的条件,最优停止策略实现了(分布依赖)常数因子近似先知的成本。此外,对于MHR分布,该常数至多为$2$。所有的结果都很接近。我们还展示了一个例子的分布,不满足条件,任何算法的竞争比是无限的。把我们的注意力转向单阈值策略,我们设计了一个阈值,实现了$O\left(polylog{n}\right)$因子近似,其中对数因子中的指数是一个依赖于分布的常数,我们显示了匹配的下限。最后,我们注意到,我们的研究结果可以用来设计近似最优的公布价格式的采购拍卖可能是独立的利益机制。我们的技术利用\emph{hazard rate}的分布在一个新的方…
2023-02-23 cs.DS cs.GT
The Competition Complexity of Prophet Inequalities
本文通过资源增广视角研究单选择先知不等式的竞争复杂度,证明块阈值算法最优且以双指数速度逼近离线最优,并揭示其与单阈值算法的指数级差距。
2024-02-22 cs.DS cs.GT
The Competition Complexity of Prophet Inequalities with Correlations
Harvard University(哈佛大学);Tel Aviv University(特拉维夫大学)
该研究首次在奖励相关场景下通过资源增强框架研究先知不等式,发现相关情形下逼近所需额外奖励数依赖原始奖励数,块阈值算法可能需无限额外奖励,并针对三种场景提出渐近最优算法。
2024-09-10 cs.GT cs.LG
Secretary, Prophet, and Stochastic Probing via Big-Decisions-First
Stanford University(斯坦福大学);Georgia Tech(佐治亚理工学院)
本文研究了在不确定性下三个基本问题:推荐问题、先知不等式和随机探测,针对一般向下闭合约束,提出大决策优先原则,解决二次差距问题,给出两种问题的$\tildeΩ(\log^2 n)$难性和第三种问题的$O(\log n)$近似算法。
2026-04-01 cs.DS cs.GT
Single-Sample Prophet Inequalities Revisited
在有限信息制度下对预言者不平等问题的研究是由Azar等人发起的。[SODA'14]在追求先验独立的标价机制中。正如他们所示,$O(1)$ -竞争政策是可以实现的,只使用一个单一的样本,从每个代理的分布。他们的结果中有一个值得注意的部分依赖于减少单样本先知不平等(SSPI)的设计,顺序遗忘秘书(OOS)的政策。上述减少是以没有充分利用现有样品为代价的。然而,到目前为止,这基本上是证明许多组合集的SSPI的唯一方法。最近,Rubinstein等人[ITCS'20]给出了一个令人惊讶的简单算法,该算法实现了单选SSPI问题$-$的最优竞争比,这是通过将其归约为秘书问题而无法获得的结果。出于这种差异,我们直接研究简单的SSPI政策的竞争力,而不呼吁从OOS文献的结果。在这个方向上,我们首先开发了一个框架,用于分析针对贪婪的先知解决方案的政策。使用这个框架,我们得到的第一个SSPI一般(非二分)匹配环境,以及改进的竞争比横向和截断分区拟阵。其次,出于观察,许多OOS政策拟阵分解成独立的秩$1$的情况下,我们提供了一个元定理,适用于任何拟阵满足此分区属性的问题。利用Rubinstein等人最近的结果,我们获得了改进的竞争性保证(大多数由$2$的一个因素)的减少Azar等人捕获的拟阵的数量。最后,我们讨论了我们的SSPI的应用程序的多维有限的信息设置与改进的收入和福利保证的机制的设计。
2021-11-23 cs.DS cs.GT
Prophet Inequalities: Competing with the Top $\ell$ Items is Easy
本文研究独立同分布先知不等式,刻画与前 $\ell$ 个物品平均值竞争的精确最坏竞争比,并推广到选择 $k$ 个物品及静态阈值策略。
2025-01-10 cs.DS cs.GT math.OC
Threshold Testing and Semi-Online Prophet Inequalities
本文研究半在线阈值测试中的选择问题,提出自适应阈值策略,将 i.i.d. 先知不等式比率从约0.745提升至0.869,并证明常数上界及多次测试下的近最优结果。
2024-06-12 cs.DS cs.GT
Kernel Methods for Refined Prophet Inequalities
Inria(法国国家信息与自动化研究所);Tel-Aviv University(特拉维夫大学);CREST(经济与统计研究中心);ENSAE(巴黎统计与经济管理学院);IP Paris(巴黎理工学院);CRITEO AI Team(Criteo人工智能团队);Rice University(莱斯大学)
该研究针对单选择先知不等式问题,提出一种通用核方法,通过最大值的分位数函数将最坏情况分析转化为无限维凸规划,得到了独立同分布有界方差曲线等多项理论结果,凸显了该技术在单阈值设置中的广泛适用性。
2026-08-11 cs.DS cs.GT cs.LG
Pricing for Online Resource Allocation: Intervals and Paths
我们提出了几个在线资源分配问题,获得紧或接近紧近似社会福利的定价机制。在我们的设置中,买家在线购买捆绑的商品;买家的捆绑价值来自已知的分布。这个问题与Krengel和Sucheston的所谓预言不等式及其在最近文献中的推广密切相关。受云经济应用的启发,我们考虑两种买家偏好。在第一种情况下,项目对应于资源可用的不同时间单位;项目按总顺序排列,买家希望项目间隔。第二个对应于树型网络上的带宽分配;项目是网络中的边和买家期望的路径。由于购买者的偏好在我们考虑的环境中具有互补性,因此最近通过物品价格进行的恒定因子近似不适用,并且确实存在强烈的负面结果。我们开发静态的、匿名的捆绑定价机制。对于区间偏好设置,我们表明,静态的,匿名的捆绑定价实现了sublogarithmic的竞争比,这是最佳的(在恒定的因素)在类的所有在线分配算法,真实与否。对于路径偏好设置,我们得到了一个接近紧密的对数竞争比。这两个结果都显示出这些设置的物品定价的指数改善。我们的研究结果扩展到设置卖方有多个副本的每一个项目,随着供应的竞争比线性下降。供给和福利竞争比率之间的这种逐渐权衡,以前只在单一项目预言者不平等中被人所知。
2018-07-13 cs.GT
The Two-Sided Game of Googol and Sample-Based Prophet Inequalities
秘书问题或古戈尔游戏是在线选择问题的经典模型,在过去的50年里受到了极大的关注。我们考虑这个问题的一个变体,并探索它与数据驱动的在线选择的联系。具体来说,我们得到了$n$卡与任意非负数写在双方。卡片被随机放置在桌子上的$n$连续位置上,并且对于每张卡片,也随机选择可见的一面。玩家看到所有牌的可见面,并希望选择具有最大隐藏值的牌。为此,玩家翻转第一张牌,看到它的隐藏值,并决定是否选择它或放弃它,并继续下一张牌。我们研究两个自然目标的算法。在第一个问题中,就像秘书问题一样,玩家希望最大化选择最大隐藏值的概率。我们表明,这可以做到的概率至少为$0.45292$。在第二种情况下,类似于先知不等式,参与者最大化所选隐藏值的期望。我们证明了一个保证至少$0.63518$相对于预期的最大隐藏值。我们的算法结合三个基本策略。一种是当我们看到一个大于初始$n$可见数的值时停止。第二个是在最后一张翻转的牌的值第一次是表中当前$n$可见数字中的最大值时停止。第三个类似于后者,但它还要求最后翻转的值大于其卡片另一侧的值。我们将我们的研究结果应用于未知分布的先知秘书问题,但可以从每个分布中获取单个样本。针对此问题,我们的保证比$1-1/e$有所改进,这是目前最知名的保证,仅适用于i.i.d.案子
2019-07-13 cs.DS cs.GT
Nearly Tight Sample Complexity for Matroid Online Contention Resolution
本文针对拟阵约束提出了一种近乎最优的基于样本的在线竞争解析方案(OCRS),仅需$O(\log ρ\cdot \log^2\logρ)$个样本,几乎匹配已知下界,并借此获得了样本复杂度近乎最优的拟阵Prophet Inequality。
2025-07-13 cs.DM cs.DS cs.GT
Prophet Inequalities with Cancellation Costs
Booth School of Business, University of Chicago(芝加哥大学布斯商学院);Department of Mathematics, Stanford University(斯坦福大学数学系)
针对收益管理中可取消决策场景,提出带线性取消成本(回购模型)的先知不等式问题,通过微分方程刻画最优竞争比并设计多项式时间随机自适应策略,该策略与到达顺序无关。
2026-10-12 cs.DS cs.GT
Prophet Inequalities for I.I.D. Random Variables from an Unknown Distribution
最优停止理论的一个中心目标是独立同分布随机变量的单选预言不等式:给定一个从分布$F$独立抽取的随机变量序列$X_1,\dots,X_n$,目标是选择一个停止时间$τ$,以最大化$α$,使得对于所有分布$F$,我们都有$\mathbb{E}[X_τ] \geq α\cdot \mathbb{E}[\max_tX_t]$。使该问题具有挑战性的是,$τ=t$是否可以仅取决于随机变量$X_1,\dots,X_t$的值和分布$F$的决定。在相当长的一段时间里,这个问题最著名的界是$α\geq1-1/e\approx0.632$ [Hill和Kertz,1982]。最近,Abolhassani等人[2017]改进了该结合,Correa等人[2017]获得了$α\approx0.745$的紧密结合。$F$是未知的,使得$τ=t$是否可以仅取决于第一$t$随机变量的值而不取决于$F$的决定的情况同样是有动机的(例如,[Azar例如,2014年),但受到的关注较少。对这种$α\geq1/e\approx0.368$的直接保证可以从秘书问题的解中得到。我们的主要结果是这个界是紧的。出于这种不可能的结果,我们调查的情况下,停止时间可能还取决于有限数量的样本从$F$。我们的主要结果的一个扩展表明,即使与$o(n)$样本$α\leq 1/e$,所以有趣的情况下是一个与$Ω(n)$样本。在这里,我们表明,$n…
2021-04-07 cs.DS cs.GT
Optimal Stopping with Multi-Dimensional Comparative Loss Aversion
本文研究多维比较损失厌恶下的最优停止,证明竞争比随 λ 与维度数 k 发生相变,并指出随机顺序与最坏情形间仅存在常数因子差距。
2023-09-27 cs.GT econ.TH
Improved Combinatorial Auctions with and without Samples
Stanford University(斯坦福大学);Georgia Tech(佐治亚理工学院)
该研究针对组合拍卖的三类模型,提出了通用真实的改进机制,将秘书与离线模型的近似比从O((log log m)²)提升至O(log log m),还解决了相关开放问题,且运行时间与样本复杂度更优。
2026-10-14 cs.DS cs.GT
Optimal Guarantees for Online Selection Over Time
Rice University(莱斯大学);Ken Kennedy Institute, Rice University(肯·肯尼迪学院,莱斯大学)
本文研究随时间先知不等式问题,提出单阈值算法达到0.567近似比并证明最优,扩展至多阈值和动态规划,渐近最优比约0.618,对抗随机顺序下最优比约0.162。
2026-10-21 cs.GT econ.TH math.OC
"Who Is Next in Line?'' On the Significance of Knowing the Arrival Order in Bayesian Online Settings
我们引入了一个新的措施,在贝叶斯设置,输入是从一个已知的先验知识,但实现揭示一个接一个的在线时尚的在线算法的性能。我们的新措施被称为订单竞争比。它被定义为最差情况下(在所有的分布序列)之间的最佳顺序感知算法和顺序感知算法的性能比,并量化的损失,是由于缺乏知识的到达顺序。尽管越来越多的兴趣的作用,到达顺序的在线算法的性能,这种损失一直被忽视到目前为止。我们研究了范式先知不等式问题中的序竞争比,对于两个常见的目标函数:(i)最大化期望值,(ii)最大化获得最大值的概率;以及关于两个算法族,即(i)自适应算法,(ii)单阈值算法。我们提供严格的界限,所有四个组合,相对于确定性算法。我们的分析需要新的想法,并从标准技术出发。特别是,我们的自适应算法不可避免地超越单阈值算法。相对于顺序竞争比测量的结果捕捉的直觉,自适应算法比单阈值的,并可能导致一个更好的算法建议比经典的竞争比测量。
2022-11-04 cs.GT
Two-stage Stochastic Matching and Pricing with Applications to Ride Hailing
匹配和定价是双边市场中连接需求和供应的两个关键杠杆。该平台可以通过查询需求请求来产生更有效的匹配和定价决策。我们启动了两阶段随机匹配问题的研究,有或没有定价,使平台能够在一个批次中做出改进的决策,着眼于即将到来的未来需求请求。这个问题的部分原因是在线市场中的应用程序,如乘车平台。我们设计的顶点加权(或不加权)的两阶段随机匹配,以最大限度地提高供应效率,和两阶段的联合匹配和定价,以最大限度地提高市场效率的在线竞争算法。在前一个问题中,使用一个随机原始对偶算法应用到一个家庭的“平衡”凸规划,我们获得了最佳的$3/4$竞争比对最佳离线基准。使用一个因素揭示程序和连接到子模块优化,我们提高了这个比率对最佳的在线基准$(1-1/e+1/e^2)\approx 0.767$的未加权和$0.761$的加权情况。在后一个问题中,我们设计了最优的$1/2$ -竞争联合定价和匹配算法,借鉴的思想,从事前预言不等式文献。我们还提出了一种改进的$(1-1/e)$竞争算法的特殊情况下的需求效率的目标,使用子模块功能的相关差距。最后,我们补充我们的理论研究,使用滴滴的乘车共享数据集为成都市和数值评估我们提出的算法在这个问题的实际情况下的性能。
2022-10-21 cs.DS cs.GT
Online Allocation using Few Samples
Georgia Institute of Technology(佐治亚理工学院)
针对对抗顺序到达的在线分配问题,提出通用框架将随机顺序模型算法转化为采样模型算法,获得近最优竞争比,改进现有结果。
2026-09-16 cs.DS cs.GT
Online Combinatorial Allocations and Auctions with Few Samples
Google Research(谷歌研究院);University of Bonn(波恩大学);Microsoft Research New England(微软研究院新英格兰分院);University of Amsterdam(阿姆斯特丹大学);Georgia Tech(佐治亚理工学院)
本文研究有限样本约束下的在线组合分配/拍卖问题,证明仅单个样本即可得到子模/XOS估值下的O(1)-竞争算法,多项式样本可得到(2+ε)-竞争的在线真实机制。
2024-09-17 cs.DS cs.GT cs.LG